如何将Google Drive文件夹连接到Google Colab并加载所有狗品种图像

1. 挂载Google Drive到Colab #

首先需要将你的Google Drive挂载到Colab环境中，执行以下代码并按照提示完成授权：

from google.colab import drive
drive.mount('/content/drive')

2. 定义图像根路径 #

根据你的Drive路径，Colab中对应的完整路径为：

root_dir = '/content/drive/MyDrive/Data Science/Deep_learning/dogImages'

3. 加载所有图像到dog_breed_image变量 #

方法一：手动遍历加载（自定义性强） #

适合需要对图像做个性化预处理的场景，使用PIL和os模块遍历所有文件夹：

import os
from PIL import Image

dog_breed_image = []
# 遍历train、test、valid三个子文件夹
for split_dir in ['train', 'test', 'valid']:
    split_path = os.path.join(root_dir, split_dir)
    # 遍历每个品种文件夹
    for breed_dir in os.listdir(split_path):
        breed_path = os.path.join(split_path, breed_dir)
        # 跳过非文件夹项
        if not os.path.isdir(breed_path):
            continue
        # 遍历文件夹内的所有图像
        for img_name in os.listdir(breed_path):
            img_path = os.path.join(breed_path, img_name)
            try:
                # 打开图像并添加到列表
                img = Image.open(img_path)
                dog_breed_image.append(img)
            except Exception as e:
                print(f"无法加载图像 {img_path}: {e}")

dog_breed_image会存储所有加载成功的PIL.Image对象，你可以后续统一调整尺寸、转换为数组等。

方法二：用Keras数据生成器加载（适合深度学习） #

如果是为深度学习任务准备数据，推荐使用tensorflow.keras的ImageDataGenerator，可以同时完成加载和预处理：

import tensorflow as tf
from tensorflow.keras.preprocessing.image import ImageDataGenerator

# 初始化数据生成器（可添加预处理参数，比如归一化）
datagen = ImageDataGenerator(rescale=1./255)

# 从目录加载数据，指定图像尺寸
generator = datagen.flow_from_directory(
    root_dir,
    target_size=(224, 224),  # 根据需求调整图像大小
    batch_size=32,
    class_mode='categorical',
    shuffle=False
)

# 将所有数据加载到变量中（注意：数据量过大时可能占用大量内存）
images, labels = next(generator)
for i in range(len(generator)-1):
    batch_img, batch_label = next(generator)
    images = tf.concat([images, batch_img], axis=0)
    labels = tf.concat([labels, batch_label], axis=0)

# 最终images即为所有图像的numpy数组形式，可赋值给dog_breed_image
dog_breed_image = images

这种方式会将图像转换为统一尺寸的numpy数组，同时返回对应的品种标签，适合直接输入到深度学习模型中。

注意事项 #

• 如果图像数量较多，方法二一次性加载所有数据可能导致内存不足，此时建议保留生成器形式分批处理，而非全部存入变量。
• 手动加载时注意过滤非图像文件（比如隐藏文件），避免加载报错。

内容的提问来源于stack exchange，提问作者Surendra kumawat